引
DEVONthink 的 AI 检索是基于文本向量化与统计相似度的本地语义索引，不依赖互联网。4.0 后，引入了对第三方大型语言模型（如 ChatGPT API等）的支持，可以使用自然语言描述需求，AI 会将其转换为 DEVONthink 专用的搜索语法并执行。
它的边界也很清晰。底层仍然围绕已有文本做匹配，跨语言与同义改写能力有限。比如搜 「Disease Spreading」，只写了 「Transmission」 的文章，很可能被漏掉。
RAG（Retrieval-Augmented Generation）走的是另一条路线。先用向量检索做粗筛，再让模型基于语义做重排与生成。查询词和原文表述可以完全不同，只要意思相关，就能被找到。
DEVONthink 的数据库结构与 Obsidian 这类笔记工具差异很大，通用 RAG 工具往往无法直接索引。Elephas 对 DEVONthink 做了专门适配，但价格非常高。其 Setapp 版本不完整，目前还不支持 DEVONthink。
DEVONthink_agent
DEVONthink Agent 是我最近尝试做的命令行工具，用自然语言搜索和分析数据库里的内容。
它的核心思路是混合检索。关键词精确匹配为基础，RAG 负责跨语言与语义召回，DEVONthink 的 See Also 负责发现隐含关联。三路结果合并排序，被多种路径同时命中的文档会更靠前。这样做的价值在于减少单一检索范式的盲区。
这个工具是完全只读的。代码层面没有任何写入、编辑或删除能力，安全边界清晰。
项目链接：https://github.com/DayuGuo/DEVONthink_agent
另外，我在测试 Research Expansion Mode。Agent 自动执行一个三阶段工作流，最后输出一份结构化研究报告。
- Phase 1 翻阅你的资料库；
- Phase 2 去网上找新东西；
- Phase 3 生成报告。普通对话是「你问它答」。
Research Expansion 是「你给主题，它独立做一轮完整的文献调研+网络调研，告诉你：你有什么、缺什么、该补什么」。
请注意！
这是个实验性的插件，请谨慎使用，不要在工作环境尝试。
结
我日常工作使用英文，但它其实不是我的母语，所以我的数据库中有很多中文资料。RAG 确实能帮我在多语言环境下更容易找到目标文件。但说实话，我更享受制作这个插件的过程，日常使用频率并不高，DEVONthink 本身其实已经足够我的基础需求。
如果有建议可以写在 GitHub 或本文评论区，谢谢！
学到了